不同视场的多源图像合技术能够在不增加硬件设备投入.docVIP

摘 要 现实生活中存在大量不同特性的不同视场的图像系统，不同视场的多源图像融合技术能够在不增加硬件设备投入的情况下，提升图像采集系统的性能；针对不同视场的多源图像融合技术，本文提出一种仿射变换和线性插值相结合的配准方法；对融合前后的图像在时域、空域进行了分析比较，并对融合的结果进行了评价和对比，验证了此技术应用的可行性。 关键词 多源图像 不同 视场 配准 融合 Keyword multi-source image, different, field of view, registration, fusion 引言 像素级[1]融合是直接对源图像的像素数据进行融合处理，能更多地保留场景的原始信息，是应用比较广泛的图像融合方法。对源图像配准、视场的重合度要求较高，一般来讲在源图像的光学系统视场相同的情况下，采集到的图像更容易实现配准，也更有利于融合图像质量提高，也保证了融合图像的信息量。 但在实际应用中，往往会有一些多源图像采集设备的光学系统视场相差比较大，而每个源图像有各有各的特点（比如：可见光图像、微光图像和红外图像），融合图像更能体现场景的细节、突出场景目标。对于这种情况，在图像配准算法和图像融合算法的应用上又有一些不同特点。图1是不同视场图像融合示意图，两套不同视场的光学系统采集到得图像分别是图像A和图像B，图像B只对应于图像A中一部分，图像C是图像A和图像B的融合结果。实际上图像C中只有虚线部分才是融合图像，而其余部分只有图像A的信息。 图1两个不同视场图像融合示意图 1、不同视场的多源图像融合的频域分析 我们考虑两个不同图像传感器的情况，假如两个图像传感器产生两幅图像和，图像是大视场图像大小M×N，小视场图像大小m×n中区域部分（mM,nN），一幅数字化的图像可以用矩阵来表达它不同位置上的灰度分布函数，即 (1) (2) 用矩阵表达则为： (3) (4) 频域(u,v)的离散傅里叶变换可以表示为： (5) (6) 对于一般的图像来讲，二维频域内图像的主体是低频部分，它表达的是总体形状、特征轮廓、对比度特征等等，而那些边缘、波纹是图像的高频部分。在图1中示意图中，图像A中对应于图像B的部分往往是我们关注的焦点，也是频率能量集中的地方。图像传感器采集得到图像，的图像参与融合的图像融合部就可以表示为： (7) 式中，分别为两幅图像的加权系数。 (8) 在式(1.9)中，如果是图像中我们所关心的主体，它表述的是观察目标的总体形状、特征轮廓、对比度特征等低频分量，那么整个融合图像质量就得到了保障。 2、不同视场的多源图像的配准方法 由于的成像机制不同、光轴不平行且成像分辨率不同，目标在不同图像中的位置存在差异或畸变，如平移、旋转、比例变化及噪声引起的畸变等。设计了一种基于仿射变换查找表的快速图像配准方法。以为基准，对图像行对正，确定图像间对应点的匹配关系，以消除或减小目标的位置差别及噪声引起的畸变。 同一场景的双源图像必然满足仿射变换模型，设仿射变换模型为 (9) 其中R为旋转矩阵，T为平移矩阵一个坐标点经平移、旋转、缩放后的坐标可用仿射变换表示为: (10) 式中、分别是两幅图像中对应点的坐标。其中4个参数（平移像素和、旋转角、行列缩放倍数）的向量将决定两幅图像坐标之间的转换关系。 对于同一对象的确定信息，由于图像像素数量小于图像，导致的每一像素点包含图像相邻至多四个像素点的信息，因此在图像向图像进行仿射变换的过程中，需要加权平均计算对应的若干像素点灰度值，即为双线性数字插值计算，如图所示。 图2灰度插值示意图 用点周围4个相邻的网格点灰度值加权内插作为点的灰度值，也就是的值。如图所示，这4个点值为，，，，为简单起见设，则，，。点和(0,0)点的距离为x，在y方向的距离为y，显然点的值为。 在x方向作一次线性内插后得 (11)